View a markdown version of this page

CloudWatch Log per Amazon AI SageMaker - Amazon SageMaker AI

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

CloudWatch Log per Amazon AI SageMaker

Per aiutarti a eseguire il debug dei processi di compilazione, elaborazione, formazione, endpoint, processi di trasformazione, istanze di notebook e configurazioni del ciclo di vita delle istanze di notebook, tutto ciò che un contenitore di algoritmi, un contenitore di modelli o una configurazione del ciclo di vita delle istanze di notebook invia o viene inviato anche ad Amazon Logs. stdout stderr CloudWatch Oltre alle operazioni di debug, puoi adottare questo comportamento per l'analisi del progresso.

Per impostazione predefinita, i dati di log vengono archiviati in Logs a tempo indeterminato. CloudWatch Tuttavia, puoi configurare per quanto tempo archiviare i dati di log in un gruppo di log. Per informazioni, consulta Change Log Data Retention in CloudWatch Logs nella Amazon CloudWatch Logs User Guide.

Log

La tabella seguente elenca tutti i log forniti da Amazon SageMaker AI.

Log

Nome del gruppo di log Nome del flusso di log
/aws/sagemaker/CompilationJobs

[compilation-job-name]
/aws/sagemaker/Endpoints/[EndpointName]

[production-variant-name]/[instance-id]

(Per endpoint di inferenza asincrona) [production-variant-name]/[instance-id]/data-log

(Per pipeline di inferenza) [production-variant-name]/[instance-id]/[container-name provided in SageMaker AI model]
/aws/sagemaker/groundtruth/WorkerActivity

aws/sagemaker/groundtruth/worker-activity/[requester-AWS-Id]-[region]/[timestamp]
/aws/sagemaker/InferenceRecommendationsJobs

[inference-recommendations-job-name]/execution

[inference-recommendations-job-name]/CompilationJob/[compilation-job-name]

[inference-recommendations-job-name]/Endpoint/[endpoint-name]
/aws/sagemaker/LabelingJobs

[labeling-job-name]
/aws/sagemaker/NotebookInstances

[notebook-instance-name]/[LifecycleConfigHook]

[notebook-instance-name]/jupyter.log
/aws/sagemaker/ProcessingJobs

[processing-job-name]/[hostname]-[epoch_timestamp]
/aws/sagemaker/studio

[domain-id]/[user-profile-name]/[app-type]/[app-name]

[domain-id]/domain-shared/rstudioserverpro/default
/aws/sagemaker/TrainingJobs

[training-job-name]/algo-[instance-number-in-cluster]-[epoch_timestamp]
/aws/sagemaker/TransformJobs

[transform-job-name]/[instance-id]-[epoch_timestamp]

[transform-job-name]/[instance-id]-[epoch_timestamp]/data-log

[transform-job-name]/[instance-id]-[epoch_timestamp]/[container-name provided in SageMaker AI model] (For Inference Pipelines)
Nota

1. Il flusso di log /aws/sagemaker/NotebookInstances/[LifecycleConfigHook] viene creato al momento della creazione di un'istanza del notebook con una configurazione del ciclo di vita. Per ulteriori informazioni, consulta Personalizzazione di un'istanza del SageMaker notebook utilizzando uno script LCC.

2. Per Inference Pipelines, se non fornisci i nomi dei contenitori, la piattaforma utilizza **container-1, container-2** e così via, corrispondenti all'ordine fornito nel modello AI. SageMaker

Per ulteriori informazioni sulla registrazione degli eventi con registrazione, consulta What is Amazon Logs? CloudWatch CloudWatch nella Amazon CloudWatch User Guide.